За последние 12 месяцев глобальная цифровая парадигма значительно изменилась, особенно в отношении того, как люди взаимодействуют с машинами. На самом деле, пространство претерпело столь радикальную трансформацию, что люди всех возрастов теперь быстро знакомятся с моделями искусственного интеллекта (ИИ), чаще всего с ChatGPT от OpenAI.
Основной движущей силой этой революции стали достижения в области обработки естественного языка (NLP) и разговорного ИИ. НЛП — это подраздел ИИ, который фокусируется на взаимодействии между компьютерами и людьми с использованием повседневного языка и речевых моделей. Конечная цель НЛП — читать, расшифровывать, понимать и придавать смысл человеческому языку таким образом, чтобы он был понятен и удобен для пользователей.
Чтобы уточнить, он объединяет компьютерную лингвистику — то есть моделирование человеческого языка на основе правил — с другими областями, такими как машинное обучение, статистика и глубокое обучение. В результате системы НЛП позволяют машинам понимать, интерпретировать, генерировать и реагировать на человеческий язык осмысленным и контекстуально соответствующим образом.
Более того, НЛП включает в себя несколько ключевых задач и методов, в том числе маркировку частей речи, распознавание именованных сущностей, анализ настроений, машинный перевод и извлечение тем. Эти задачи помогают машинам понимать и генерировать ответы, подобные человеческому языку. Например, маркировка части речи включает в себя идентификацию грамматической группы данного слова, в то время как распознавание именованных сущностей включает в себя идентификацию людей, компаний или местоположений в тексте.
НЛП переопределяет границы общения
Несмотря на то, что технологии с поддержкой ИИ только недавно стали частью цифрового мейнстрима, они оказали глубокое влияние на многих людей на протяжении большей части последнего десятилетия. Такие компаньоны, как Alexa от Amazon, Assistant от Google и Siri от Apple, вплелись в ткань нашей повседневной жизни, помогая нам во всем, от записи напоминаний до организации наших умных домов.
Магия, стоящая за этими помощниками, — это мощная смесь НЛП и ИИ, позволяющая им понимать человеческую речь и реагировать на нее. Тем не менее, область применения НЛП и ИИ теперь расширилась на несколько других секторов. Например, в рамках обслуживания клиентов чат-боты теперь позволяют компаниям предоставлять автоматизированное обслуживание клиентов с немедленными ответами на запросы клиентов.
Благодаря возможности одновременного взаимодействия с несколькими клиентами эти автоматизированные чат-боты уже сократили время ожидания.
Языковой перевод — это еще один рубеж, в котором НЛП и ИИ добились значительного прогресса. Приложения для перевода теперь могут интерпретировать текст и речь в режиме реального времени, устраняя языковые барьеры и способствуя межкультурному общению.
В документе The Lancet отмечается, что эти возможности перевода могут переопределить сектор здравоохранения. Исследователи считают, что эти системы могут быть развернуты в странах с недостаточным количеством поставщиков медицинских услуг, что позволит врачам и медицинским работникам из-за рубежа проводить оценку клинических рисков в режиме реального времени.
Анализ настроений, еще одно приложение НЛП, также используется для расшифровки эмоциональных оттенков слов, что делает ответы на таких платформах, как Google Bard, ChatGPT и Jasper.ai, еще более похожими на человеческие.
Недавнее: принятие биткойнов в Мексике подстегнулось партнерством Lightning с розничным гигантом
Благодаря растущему совершенству эти технологии могут быть интегрированы в системы мониторинга социальных сетей, анализа рынка и предоставления услуг клиентам. Тщательно изучая отзывы клиентов, обзоры и болтовню в социальных сетях, компании могут получить ценную информацию о том, как их клиенты относятся к их продуктам или услугам.
Наконец, ИИ и НЛП проникли в область создания контента. Системы на основе искусственного интеллекта теперь могут создавать человеческий текст, штампуя все, от новостных статей до стихов, помогая создавать контент веб-сайтов, генерировать персонализированные электронные письма и создавать рекламные тексты.
Будущее ИИ и НЛП
Глядя в будущее, многие эксперты считают, что будущее ИИ и НЛП весьма захватывающее. Дмитрий Михайлов, соучредитель и главный научный сотрудник платформы медицинской диагностики на основе ИИ Acoustery, сказал , что интеграция мультимодального ввода, включая изображения, аудио и видеоданные, станет следующим важным шагом в ИИ и НЛП, добавив:
«Это позволит делать более полные и точные переводы с учетом визуальных и слуховых сигналов наряду с текстовой информацией. Анализ настроений — еще одно направление деятельности экспертов по ИИ, которое позволит более точно и детально понять эмоции и мнения, выраженные в тексте. Конечно, все компании и исследователи будут работать над обеспечением возможности работы в реальном времени, поэтому я боюсь, что большинство переводчиков-человеков начнут терять работу».
Точно так же Алекс Ньюман, разработчик протокола в Human Protocol, платформе, предлагающей услуги децентрализованной маркировки данных для проектов ИИ, считает, что НЛП и ИИ находятся на грани значительного повышения индивидуальной производительности, что имеет решающее значение, учитывая ожидаемое сокращение рабочей силы из-за ИИ. автоматизация.
Ньюман считает анализ настроений ключевым фактором, а более сложную интерпретацию данных можно получить с помощью нейронных сетей и систем глубокого обучения. Он также предполагает открыть платформы данных с открытым исходным кодом, чтобы лучше обслуживать те языки, которые традиционно недостаточно обслуживались переводческими службами.
Меган Скай, технический редактор контента для Astar Network — уровня децентрализованного многоцепочечного приложения на основе ИИ на Polkadot — видит небо как предел инноваций в ИИ и НЛП, особенно с учетом способности ИИ самостоятельно собирать новые итерации самого себя и расширять свои возможности. собственный функционал, добавив:
«Анализ настроений на основе AI и NLP, вероятно, уже происходит на таких платформах, как YouTube и Facebook, которые используют граф знаний, и может быть распространен на блокчейн. Например, если новый предметно-ориентированный ИИ настроен на прием только что проиндексированных блоков в качестве потока исходных входных данных, и у нас есть доступ или разработан алгоритм для анализа настроений на основе блокчейна».
Скотт Дайкстра, технический директор хранилища данных Space and Time на основе искусственного интеллекта, видит будущее NLP на пересечении периферийных и облачных вычислений. Он сказал , что в ближайшей и среднесрочной перспективе большинство смартфонов, скорее всего, будут оснащены встроенной моделью для большого языка, которая будет работать в сочетании с массивной базовой моделью в облаке. «Эта установка позволит использовать легкого помощника ИИ в вашем кармане и тяжелого ИИ в центре обработки данных», — добавил он.
Дорога впереди усеяна испытаниями
Хотя будущее ИИ и НЛП многообещающе, оно не лишено проблем. Например, Михайлов отмечает, что модели ИИ и НЛП в значительной степени зависят от больших объемов высококачественных данных для обучения и повышения производительности.
Однако из-за различных законов о конфиденциальности данных получение помеченных или относящихся к домену данных может быть затруднено в некоторых отраслях. Кроме того, в разных отраслях существуют уникальные словари, терминология и контекстуальные вариации, которые требуют очень специфических моделей. «Нехватка квалифицированных специалистов для разработки этих моделей представляет собой серьезное препятствие», — считает он.
Скай разделяет это мнение, отмечая, что, хотя системы искусственного интеллекта потенциально могут работать автономно практически в любой отрасли, логистика интеграции, изменение рабочих процессов и обучение сопряжены со значительными проблемами. Кроме того, системы ИИ и НЛП требуют регулярного обслуживания, особенно когда важны качество ответов и низкая вероятность ошибки.
Журнал: Биткойн 2023 в Майами вступает в борьбу с «шиткойнами на биткойнах»
Наконец, Ньюман считает, что проблема доступа к новым источникам данных, относящимся к каждой отрасли, стремящейся использовать эти технологии, будет становиться все более и более очевидной с каждым годом, добавляя:
«Там много данных; он просто не всегда доступен, свеж или достаточно подготовлен для машинного обучения. Без данных, отражающих особенности отрасли, ее язык, правила, системы и специфику, ИИ не сможет оценить любой контекст и эффективно работать».
Поэтому, поскольку все больше и больше людей продолжают тяготеть к использованию вышеупомянутых технологий, будет интересно посмотреть, как существующая цифровая парадигма продолжает развиваться и взрослеть, особенно с учетом быстрой скорости, с которой использование ИИ, кажется, просачивается. в различные отрасли.
Источник: Сointеlеgrаph
